特雷弗·考克斯问：“说话只是你的一种行为，不是吗？”我们认为聊天是理所当然的，但它是我们生活中如此重要的一部分，也是如此复杂的事情。”

考克斯是索尔福德大学声学工程教授和声音科学专家。他也是《现在你在说话：从尼安德特人到人工智能的人类对话》一书的作者。

维奇向考克斯讲述了人类声音AI的历史，以及内心声音的奇**。

为了清晰起见，本次访谈已稍加编辑。

首先，你能告诉我关于人类语言的进化吗？从你的书中，我们似乎仍然不知道它确切发生的时间或方式。

我们不能确切地知道口语是如何发展的。目前的争议是智人是否是唯一会说话的人，还是尼安德特人也会说话。越来越多的证据表明尼安德特人也在说话。

从我的观点来看，他们似乎很可能会说话，我认为语言的出现可能有50万年的历史。有人在寻找关键事件——是什么触发了演讲的开始——似乎重要的触发因素是我们的大脑变大了。这可能与语言无关。我们本可以拥有更大的大脑，因为我们需要控制我们的手，他们只是创造了更高的智力，这是语言的起点。我们的灵长类祖先哭着打电话，我们也会这样。

人类的声音有什么特别之处？缺少什么？

当然，像鸟类这样的动物可以做一些非常了不起的事情。我们与近亲灵长类动物的区别在于，我们的大脑控制非常复杂。我们的大脑真的很擅长控制说话所需的大约一百块肌肉。我们能以惊人的速度交流，这实际上来自于我们如何控制所有这些肌肉。一部分是更好的部分，一部分是生理学。我们有一个较低的喉部，它可以让我们的舌头迅速地改变我们的语言。

你谈到了人们努力保持自己的声音。有一些手术选择，但什么是非侵入性的？

人类声音的一个显著特点是，它的老化速度非常缓慢。我刚过50岁，头发灰白，但我的声音实际上和我年轻时没什么不同。我想关键是要继续说下去。

真的，只要你不大喊大叫，你的声音就相当强劲。有很多肌肉参与其中，你的大脑中有很多与那些需要保持工作的肌肉的联系。你用得越多，他们就会不断地刷新自己。这就像去健身房举重一样。

加入合唱团是一个好主意，不仅因为你需要锻炼发声系统，而且因为当你停止与人聊天时，音乐**可以防止一些老年人的孤独感。

你的书中有一部分是关于“内心的声音”的，你能告诉我更多吗？

内心的声音很迷人，它伴随着我们一生，但我们很少去想它。我了解到的一个有趣的项目涉及研究人员，他们与作者谈论他们如何在工作中使用声音。他们说他们几乎要偷听他们角色的对话，才能找到他们的“声音”来写。所以这不是简单的听写。这是关于在你的脑海中真正听到人物的东西。这真的很复杂，就像你在表达想法，但其他时候，这并不完全是你自己。

你正在做一个关于现场戏剧、电视和电影中可理解性问题的项目。我们为什么会有这些问题？

在过去的120年里，表演风格和演唱风格都发生了变化。人们不会试图发出自己的声音。他们不会用这种方式说话。如果你不必这样做，那么你可以低声说，做不同的口音。这对解放演员来说是很好的，但它会让人们听不见，听不懂。所以你会遇到这样的情况，人们表现得更自然，但却更难学会说话。在大多数对话中，你总会漏掉一些单词。但是当你在看电视时，人们发现你找不到几句话是不能接受的。所以我参与了一些关于混合戏剧的项目。

人工智能将如何改变声音以及我们如何与技术互动？

一旦你发出声音，它就好像有了代理。我想这会让我们对电脑有不同的看法。它似乎有自己的特点。我们将开始更像对待人类一样对待他们。我们不会认为计算机是愚蠢的奴隶。也许他们会更像宠物。

人工语音越来越好，我们将有越来越多的人把它当作骗局。你会看到电话，你认为是从一个人，但从一台电脑。你知道那些来自朋友的网络钓鱼骗局，他们说，“我在某个国家迷路了，你能帮我吗？”想象一下，如果那是电话上的语音信息。它将更加强大。我敢肯定，我们会看到虚假的用途，人们会试图用它来从我们这里榨取金钱。接下来会有很多后果。